文本分块(TTS 优化) 是做什么的?
智能地将大段文本分割成 TTS 处理的最佳块,同时保留情感标记和叙事流畅性。
使用场景
- 用户有需要 TTS 处理的长篇内容
- 故事或冥想超过单次 TTS 请求限制
- 内容需拆分同时保留情感标记
- 用户希望优化文本以进行语音合成
- 大段内容需要句子级分块
- 为 Cartesia 或其他 TTS 服务准备内容
分块策略
基于句子分块(推荐)
- 在句子边界处分割(句号、感叹号、问号)
- 在每个句子中保留情感标记
- 保持块之间的自然停顿
- 适用于故事和冥想
基于段落分块
- 在段落间隔处分割
- 适用于较长内容段落
- 保持主题连贯性
- 类似于章节划分
基于长度分块
- 在字符或单词限制处分割
- 确保 TTS 请求大小一致
- 当其他方法超出限制时的备用方案
- 尽可能优先选择句子边界
情感标记保留
标签完整性
确保每个块具有完整的情感标签:
输入: "[love:high]这是一个需要被分割的长句子[/love:high] [calm:medium]而这是后续内容[/calm:medium]"
输出:
块 1: "[love:high]这是一个需要被分割的长句子[/love:high]"
块 2: "[calm:medium]而这是后续内容[/calm:medium]"
标签继承
在情感块内分割时:
输入: "[serenity:high]这是一个横跨多个块需要被分割的非常长的句子[/serenity:high]"
输出:
块 1: "[serenity:high]这是一个横跨多个块需要被分割的非常长的句子[/serenity:high]"
块 2: "[serenity:high]并需要分割[/serenity:high]"
最佳块特征
大小限制
- 理想: 每块 100-200 个字符
- 最大: 每块 500 个字符
- 最小: 每块 20 个字符
- 字符计数包括标记
句子边界
- 始终优先在句子结尾处分割
- 除非绝对必要,避免在句子中间断开
- 保持自然的阅读节奏和停顿
- 在句子中保持情感上下文
标记完整性
- 永远不要在情感标签之间断开
- 在块结尾处关闭标签,如有需要在下一个块中重新打开
- 保持标签层次结构和嵌套
- 验证每个块中的标记语法
处理规则
1. 句子检测
使用以下模式识别句子边界:
- 句点后跟空格和大写字母
- 感叹号后跟空格
- 问号后跟空格
- 省略号 (...) 后跟空格
- 对话中的长破折号 (—)
2. 情感标签解析
- 识别开始标签:
[emotion:level] - 识别结束标签:
[/emotion:level] - 跟踪嵌套情感状态
- 确保正确的标签闭合
3. 块验证
- 检查字符数限制
- 验证完整的情感标签
- 确保内容可读
- 验证标点符号完整性
处理示例
输入文本
[warmth:high]雨水轻轻地敲打着他们卧室的窗户,Michael 把 Claudia 拉得更近,她温暖的存在填满了他心中的每一个角落[/warmth:high] [love:high]“跟我说说明天吧,亲爱的,”她低声说道,声音如丝绸般柔滑[/love:high] [tenderness:medium]他在她背上轻轻画着圈,感受着她呼吸的节奏缓慢地与他同步[/tenderness:medium]
输出块
块 1 (147 字符):
[warmth:high]雨水轻轻地敲打着他们卧室的窗户,Michael 把 Claudia 拉得更近,她温暖的存在填满了他心中的每一个角落[/warmth:high]
块 2 (102 字符):
[love:high]“跟我说说明天吧,亲爱的,”她低声说道,声音如丝绸般柔滑[/love:high]
块 3 (131 字符):
[tenderness:medium]他在她背上轻轻画着圈,感受着她呼吸的节奏缓慢地与他同步[/tenderness:medium]
高级功能
暂停插入
在情感转换之间添加自然停顿:
块 1: "[love:high]我非常爱你[/love:high]"
暂停: 1.5 秒
块 2: "[calm:medium]我们现在休息吧[/calm:medium]"
呼吸提示
对于冥想内容,插入呼吸指令:
块 1: "[breathiness:low]慢慢吸气...[/breathiness:low]"
暂停: 3 秒(吸气)
块 2: "[breathiness:low]然后呼气[/breathiness:low]"
暂停: 4 秒(呼气)
上下文保留
在块之间保持角色和场景上下文:
- 跟踪是谁在说话
- 保留场景设定
- 保持情感连续性
- 记录任何重要的上下文变化
指令
- 分析内容 - 识别句子、情感标签和自然间隔
- 选择策略 - 大多数内容使用基于句子,较长内容使用基于段落
- 解析情感标记 - 识别所有开始和结束标签
- 智能分割 - 优先考虑句子边界,尊重标签完整性
- 验证块 - 检查大小限制、标签完成度、可读性
- 添加元数据 - 包含块编号、总数、时间建议
- 格式化输出 - 块之间清晰分离并带元数据
输出格式
=== TTS 块处理结果 ===
总块数: 8
估计朗读时间: 3 分钟 45 秒
--- 块 1/8 ---
字符数: 147
之后暂停: 0.5 秒
内容: [情感标记和文本]
--- 块 2/8 ---
字符数: 102
之后暂停: 1.0 秒
内容: [情感标记和文本]
[继续处理所有块...]
=== 处理总结 ===
- 原始长度: 1,234 字符
- 平均块大小: 154 字符
- 情感标签保留: 12/12
- 句子边界保持: 是
- 已准备好 TTS 处理: 是
备注
- 始终优先考虑叙事流畅性而非严格的大小限制
- 保持跨块的情感弧线
- 在块之间包含建议的暂停时间
- 使用实际 TTS 测试以验证节奏
- 根据 TTS 服务要求调整块大小
- 保留原始未处理内容的备份
- 考虑为调试添加块元数据